政策赋能与影像创新：校园近视筛查的标准化跃迁

2023年教育部印发《儿童青少年近视防控光明行动工作方案》，明确提出“到2025年，全国儿童青少年总体近视率力争在2020年基础上每年降低0.5个百分点以上”。这一政策目标推动各地校园视力筛查快速铺开，但在落地过程中，筛查数据孤岛、设备标准不一、质控缺失等问题逐渐暴露。2024年初，国家卫健委又发布《儿童青少年近视防控适宜技术指南（更新版）》，首次将“筛查数据联网与影像存证”纳入规范，要求裸眼视力、屈光度、眼轴长度等核心指标实现可追溯、可会诊的数字化管理。 在这一背景下，传统校园筛查依赖的裸眼视力表与电脑验光仪组合已难以满足精准化需求。便携式OCT（光学相干断层扫描）、免散瞳眼底相机、手持式生物测量仪等影像设备开始批量进入基层筛查车。以某省“明眸工程”为例，2024年春季学期，20辆标准配置的筛查车覆盖全省1100所中小学，每辆车均搭载AI辅助诊断系统，可自动抓取眼底图像中的近视豹纹状改变、视盘倾斜等特征，结合眼轴长度与角膜曲率数据，生成个人屈光发育档案。省视光质控中心专家通过云端平台，可对异常影像进行远程复核，将二次阅片率从以往的100%降至15%，大幅提升效率与准确性。 影像技术的标准化是筛查升级的关键。目前，中华医学会眼科学分会眼视光学组正牵头制定《校园近视筛查影像采集与传输规范》，对免散瞳眼底照的拍摄视野（≥45°）、OCT扫描模式（12mm线扫）、图像分辨率（≥1024×1024）等参数做出明确推荐。2025年即将在全国推开的“视力健康管理信息系统”，将要求所有筛查影像对接接口符合DICOM眼科信息对象定义，确保不同厂商设备数据互通。 值得注意的是，AI影像在筛查中的角色正从“辅助”转向“决策支持”。2024年美国视觉与眼科研究协会年会（ARVO）上，中山眼科中心团队展示了一种基于深度学习的前节OCT图像分析模型，能通过晶状体前表面曲率半径的微小变化预测未来两年近视进展速度，AUC达0.89。该模型已接入部分试点省份的筛查平台，对高风险学生自动标记“密切随访”并触发分级预警。 未来，校园筛查将不仅是“查视力”，而是一个涵盖影像采集、AI初筛、远程会诊、健康宣教的闭环。而视光学人才的能力谱系也随之拓展——温州医科大学眼视光学院2024年新设“智能视光与影像分析”方向，首批招生40人，课程涵盖Python编程、医学影像处理、近视流行病学等，旨在培养既懂临床又懂数据的复合型筛查骨干。 可以预见，随着政策标准与影像创新的深度咬合，以往粗放的校园筛查将迈向同质化、证据化的新阶段，真正实现“早监测、早预警、早干预”的国家战略目标。